R如何从列表列表中删除重复项

Question

我有一个包含以下2个变量的列表列表：

> dist_sub[[1]]$zip
 [1] 901 902 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928
[26] 929 930 931 933 934 935 936 937 938 939 940 955 961 962 963 965 966 968 969 970 975 981

> dist_sub[[1]]$hu
 [1]  4990    NA   168 13224    NA  3805    NA  6096  3884  4065    NA 16538    NA 12348 10850    NA
[17]  9322 17728    NA 13969 24971  5413 47317  7893    NA    NA    NA    NA    NA   140    NA     4
[33]    NA    NA    NA    NA    NA 13394  8939    NA  3848  7894  2228 17775    NA    NA    NA



> dist_sub[[2]]$zip
 [1] 921 934 952 956 957 958 959 960 961 962 965 966 968 969 970 971

> dist_sub[[2]]$hu
 [1] 17728   140  4169 32550 18275    NA 22445     0 13394  8939  3848  7894  2228 17775    NA 12895

有没有一种方法可以删除重复项，从而如果一个邮政编码出现在一个列表中，则可以根据特定条件将其从其他列表中删除？

示例：邮政编码00921在上面的两个列表中。 我只想将其保留在hu（住房单位）总和最低的清单上。 在此我只想将邮政编码00921保留在第二个列表中，因为hu的总和在列表2中为162,280，而列表1中为256,803。

很感谢任何形式的帮助。

Answer 1

这是针对您的问题的模拟数据集，以便其他人也可以使用它。

dist_sub <- list(list("zip"=1:10,
                      "hu"=rnorm(10)),
                list("zip"=8:12,
                      "hu"=rnorm(5)),
                list("zip"=c(1, 3, 11, 7),
                      "hu"=rnorm(4))
                )

这是我能够想到的解决方案。 我意识到循环确实是一种更干净的方法：

do.this <- function (x) {
  for(k in 1:(length(x) - 1)) {
    for (l in (k + 1):length(x)) {
      to.remove <- which(x[[k]][["zip"]] %in% x[[l]][["zip"]])
      x[[k]][["zip"]] <- x[[k]][["zip"]][-to.remove]
      x[[k]][["hu"]] <- x[[k]][["hu"]][-to.remove]
    }
  }
  return(x)
}

这个想法真的很简单：对于每组zip，我们都会删除其后任何一组中重复的元素。 我们这样做直到倒数第二个集合，因为最后一个集合将不留任何重复。

使用上面的函数可以轻松地实现使用您拥有的条件的解决方案，即hu最低和。 您需要做的是按hu的总和对列表dist_sub重新排序，如下所示：

sum_hu <- sapply(dist_sub, function (k) sum(k[["hu"]], na.rm=TRUE))
dist_sub <- dist_sub[order(sum_hu, decreasing=TRUE)]

现在，您已按sum_hu对dist_sub进行排序，这意味着对于每个集合，其之前的集合具有更大的sum_hu 。 因此，如果在组值i和j （I'j）的具有值a共同点，然后a应当从中移除i个元素。 这也是该解决方案的作用。 您认为这有意义吗？

PS：我称此函数为do.this因为我通常喜欢编写通用解决方案，尽管这是一个非常具体的问题，尽管这是一个有趣的问题。